Android使用TensorFlow Lite出现ro.hardware.chipname访问拒绝报错如何解决

这个E/libc: Access denied finding property "ro.hardware.chipname"日志和业务权限无关，也不是你的代码逻辑错误导致的，底层触发逻辑如下：

• TensorFlow Lite运行时默认会尝试启用NNAPI（安卓原生神经网络API）做硬件加速，加速前会读取ro.hardware.chipname系统属性判断当前设备的芯片型号，匹配对应的优化策略。
• 该属性是厂商私有系统属性，普通第三方应用默认没有读取权限，所以会触发底层libc的拒绝访问日志。
  注意：这个日志绝大多数情况下只是底层的冗余报错打印，不会直接阻塞TFLite推理，也不会导致应用崩溃，如果你推理功能运行正常，直接忽略该日志即可。

如果这个日志伴随推理失败、应用崩溃的问题，可以按以下步骤排查：

1. 验证是否为NNAPI加速导致的问题
   初始化TFLite模型时强制关闭NNAPI，使用CPU执行推理，观察日志是否消失：

// 替换为你自己的模型初始化代码，添加CPU运行配置
val modelOptions = TensorFlowLiteModel.Options.Builder()
    .setDevice(Device.CPU)
    .build()
val model = YourTFLiteModelClass.newInstance(context, modelOptions)

如果关闭NNAPI后报错消失，说明只是加速模块的冗余日志，无需额外处理，如果你需要硬件加速，可以在AndroidManifest.xml中添加如下权限声明，部分厂商系统会开放权限给第三方应用：

<uses-permission android:name="android.permission.READ_DEVICE_CONFIG" />

2. 核对模型输入格式
   如果关闭NNAPI后仍然推理失败，说明和该libc日志无关，是输入张量和模型要求不匹配导致的，需要核对以下参数：

• 模型要求的输入数据类型是UINT8还是FLOAT32，你当前用的是UINT8类型的TensorImage
• 模型要求的输入尺寸是否和你imageProcessor处理后的tensor尺寸一致
• 输入图像的通道顺序是RGB还是BGR，是否需要做通道转换

内容的提问来源于stack exchange，提问作者PunnyBunny